1) В продаже не будет. Это – не реклама
2) Буду выкладывать как эксклюзив на СмартЛаб потихоньку
3) Бумажная версия – в самой дорогом переплёте, для друзей с подписью, под обнимашки и виски.
Рис. 1. Сборник актуальных ритуалов для обретения сил над трендом
Зачем?
У меня есть папка на ПК, которая называется OsEngine Found. И за 10 лет моего алготрейдерства там скопилось столько файлов и подпапок, что голова шла кругом.
Нужно было всё структурировать!
Сначала я начал писать внутреннюю инструкцию для нашего пользования. И в какой-то момент понял, что материала выходит прилично. Не энциклопедия конечно. Но хорошая такая дипломная или докторская работа. На тему – как торговать тренд.
Вот и всё…
Ничего не выдумывал. Структурировал то что уже было. Только мой боевой опыт.
Тренд:
Месяц к месяцу: + 2.25 %
Год к году: + 49.2 %
Всего: + 13.2 %
Арбитраж:
Месяц к месяцу: + 20.7 %
Всего: + 28.8 %
Что было:
Падение FTX и страшная волатильность в связи с этим. При чём волатильность не в одну сторону, а с огромными расширяющимися треугольниками. Страшным врагом тренда. Но при этом движения вниз позволили стратам выйти в плюс.
Арбитраж – хоть и зарабатывает сильно меньше чем по тестам. Продолжает генерировать прибыль. Прибыль сильно большую чем по тренду.
Держу пальчики крестиком – пока всё ок. Продолжаем исследования и расширение списка алгоритмов по этому направлению.
Из интересного, за месяц:
Страх перед криптой – ощутимо возрастает. Около 20 % клиентов из тех что подключились к нашим роботам – на сегодняшний день отключились. Отключились – после прибыльного месяца. А значит – проблема не в роботах. А в эмоциях. И в FTX. Депрессии. Страхе.
Вот и Тимофей, пишет: https://smart-lab.ru/blog/853755.php Что мол крипта — обман.
IS – in sample (оно же обучающая выборка), OOS — out of sample (оно же тестовая выборка). Ну или ближе к обычным алго – IS – там, где оптимизируешь стратегию, OOS – данные, которые стратегия ещё не видела.
Какое соотношение выборок лучше. Просто сейчас накапливаю некоторые данные (которые иным способом не получить), а любопытство оно же такое, что нельзя просто так взять и подождать 3 месяца и только тогда начать с данными работать, поэтому начал работать с данными чуть когда их было ещё совсем мало, потом продолжил когда их было просто мало, продолжил когда стало чуть побольше и т.д., сейчас уже вполне достаточно.
Из-за того, что несколько раз к данным подступался при разных объёмах этих самых данных, несколько выпятился наружу вопрос достаточности данных в целом и в частности вопрос соотношения IS/OOS в целом.
Когда данных совсем мало – без разницы как делить – не хватит ни чтобы обучить (терминология у меня ML’ная, но, по сути, без разницы, ML или классические алгоритмы) ни чтобы оценить.